蘇春園 觀遠數據創始人兼CEO
畢業於卡耐基梅隆大學信息系統管理專業，擁有近20年數據分析以及商業智能管理服務經驗，擅長企業數據分析戰略規劃，曾任全球頂尖BI公司微策略軟件全球高管&中國研發總裁，爲上百家500強企業提供過大數據分析產品與服務。2016年9月創立觀遠數據，致力於數據智能行業的長遠創新，帶領公司和團隊成爲智能分析與決策的全球引領者。
—
文 | babayage
編輯 | 笑 笑
18年前，入局BI第一波浪潮
BI（Business Intelligence）一詞誕生於遙遠的1958年，但業內普遍認爲，1996年Gartner機構對其進行重新定義，是BI技術步入全面商用時代的標誌。蘇春園對BI產生興趣，是在“啤酒尿布”將BI神話第一次推上風口浪尖之際。2022年，在這個大數據+人工智能技術全面應用於生活各個角落的時代，各大院校的數據分析專業紛紛爆火。可在20年前，數據分析還只是信息技術管理專業下的冷門課程。在卡耐基梅隆這個“超級碼農生產基地”，蘇春園的學習內容大部分關乎代碼技術，偏偏他最有興趣的卻是少數商科課程，尤其是用數據分析技術輔助商業決策。
尚未畢業，蘇春園便收到了來自微策略（MicroStrategy）的offer，作爲過去20餘年中全球最成功的BI企業之一，微策略對人才的要求幾乎是爲蘇春園量身定製：精通數據技術的同時，兼具對商業應用場景的瞭解。
蘇春園自然沒有猶豫太久。
科創人：To B行業內經常說，中美之間存在10~20年的代差，在您看來，國內BI行業目前的發展進度，與18年前的美國有哪些異同？
蘇春園：陸奇博士前不久在奇績創壇總結了企業IT系統建設的五個階段：其中，構建業務系統、沉澱業務數據，稱作System of Record，ERP+企業數據庫是這個階段的代表；System of Insight，是從沉澱下來的數據中洞察出有價值的規律信息，這一階段的代表就是BI；未來最終階段是System of Intelligence，AI技術的應用越來越普及，通過AI與BI結合，系統給出決策建議甚至完成行動閉環。
美國To B服務發展較早，IT技術普及程度高，在2004、05年，大部分跨國公司、全球化企業都已經走完了第一階段，也就是ERP系統和數據庫的建設，因此洞察、決策系統成爲了企業的下一代需求。
而在當下，中國企業正在同步進行幾代系統的建設，記錄、洞察和智能化同步展開，甚至在同一家企業內也會出現多步並作一步的火熱場景。我個人認爲，接下來的5年時間，在企業數智變革這一領域，中國有機會走完美國走了10年的變革路程。
科創人：在微策略工作的10年裏，您印象最深的場景或者給您帶來最大困擾的問題是什麼？
蘇春園：10年是一段很長的時間，先是在美國做工程師，後來回國參與搭建中國研發中心，印象最深的就是組建中國研發中心這一階段，體驗了一把內部創業的感覺，從找辦公場地，面試前臺行政開始，尤其是每一位早期的工程師同學，都是我們一個一個從“宿舍”聊來的。
招聘是段有趣的回憶，我們希望招募到的是最頂尖的研發技術人才，可好人才競爭特別激烈，尤其微策略軟件剛剛進入中國，要面臨很多競爭，比如同樣公司簡稱是MS但名氣大不少的微軟與摩根士丹利。因此，除了承諾發展前景、保障有競爭力的薪水、提供高質量的海內外培訓之外，還用了很多心思，比如我們會花很長的時間，去到校園，與同學們喝咖啡、演示產品，去拜訪同學的老師做背書，也會請同學們在我們美國總部工作的師兄師姐幫我們定向做宣傳……我還記得當年與同學們分享自己畢業時的選擇，“數據分析就是未來！”對於通過面試的同學，我們會給他宿舍送去一份兒禮盒，除了精美的offer letter還會有一瓶香檳，他們可以和宿舍同學分享喜悅。2009年開始，我們連續多年在國內前10的高校中成爲最受歡迎的技術僱主品牌之一。
外企經歷中最大的挑戰之一，是研發團隊普遍面臨的困擾：我們敲出的代碼，到底幫助客戶實現了什麼價值？我做的工作到底在哪些具體的方面改變了這個世界？最出色的人才需要最充分的正反饋，而研發團隊遠離客戶，尤其是全球企業的中國研發中心會離得更遠。因此我推動建立了一些機制，比如技術團隊能夠直接鏈接全球各地的客戶，同事們直接遠程與500強的客戶一起交流；我們也爭取讓更多的員工參加到線下的客戶見面，包括每年1月公司在拉斯維加斯舉辦的全球客戶大會，讓員工零距離感受：他們的代碼是如何爲客戶帶來了價值。
創立觀遠，只爲更好服務中國企業
蘇春園的創業念想萌芽於2013年左右，隨着微策略中國研發中心對全球客戶的服務漸入佳境，蘇春園心間卻積累出了一份日漸龐雜濃郁的困惑。
彼時，國產BI已有部分頭部企業破土而出，展現出了新興行業應有的旺盛生命力。但在蘇春園視角下看到的卻是另一番場景：如果只是復刻國外的發展模式，將BI在全球範圍內的發展歷程重走一遍，中國企業可能需要等上10年時間才能享受到2013年水準的BI服務。
如何能夠縮短這一週期？明明身處中國，卻無法直接爲中國企業提供最好的BI服務，這情緒逐漸積累發酵，最終在困惑與焦慮交織成的混沌中，孕育出了一顆關乎使命和責任感的種子。蘇春園決定獨立創業，傾盡自己多年來的技術與服務積累，只爲服務好中國企業。
2015年，To B逐漸代替互聯網成爲時代新熱詞，大數據、人工智能等技術應用一同迎來了屬於自己的DT（Data technology）時代。覺察時機成熟，蘇春園決定辭職，經歷了一年的籌備與深度思考，觀遠數據於2016年正式成立。
科創人：《科創人》最關注的話題之一，就是初創企業進入一個行業時，如何規劃戰略定位、明確自身在未來市場競爭中的差異化優勢，您成立觀遠時在這方面做出了哪些決策？
蘇春園：數據智能類公司也分爲兩類，一類是短期價值更顯著的，比如有數據源、有特定算法模型、有巨大定製項目支撐的企業，也是離錢比較近的模式；另一類是相對苦逼、但有長期可持續價值的品類，本質上是軟件&SaaS公司，通過產品的打磨，把各種數據進行彙總和提煉，爲企業提供決策分析。觀遠是第二種企業，這是觀遠的路線選擇，基於產品爲廣大的決策者提供服務。
第二是聚焦垂直行業，選擇新消費、新零售爲第一根據地，這裏有多重考慮：
首先，經歷了多年飛速發展，新零售、新消費行業成爲了技術型To B服務企業的絕佳溫牀，迭代快、規模大、生命力旺盛、擁有數一數二的數據基礎。
其次，這個行業非常市場化，你不需要靠關係，只要有技術、有能力就能贏得客戶。
第三，新零售、新消費行業的從業企業，大多接觸過甚至原生於互聯網技術，他們對於服務價值的識別能力非常好，對新事物的接受能力高，因此教育成本相對較低。
第四，新零售、新消費行業，也就是最初的電商領域，培養了大量數字化人才，很多人後來帶着數字化經驗轉向了其他領域，爲這個行業提供決策分析服務，對其他行業的輻射能力更強。後來證明我們判斷是正確的，一些門檻較高的企業在溝通時會詢問，你們是否有服務電商行業的成功案例。
科創人：很多數據智能企業的從業者，在細分行業選擇時會選擇金融行業，因爲數據基礎最完整、技術接受度最高，但在觀遠看來，似乎行業生命力的權重高於數據基礎的完備性？
蘇春園：好問題。金融行業的數據基礎確實是最好的，但金融行業相對保守的特點，對於一個初創企業而言門檻很高，所以我們積累了幾年之後，全面切入了金融。
零售與消費這個行業足夠大，與金融一樣，都屬於體量、規模巨大的行業。我們認爲行業的土壤極其重要，參考國外To B巨頭的發展歷程，SAP最初就是根植於德國先進的工業製造業，之後逐步擴大到各行各業。這類行業有最真實的市場反饋機制、最激烈的競爭對抗、最頻繁的迭代優化，必然對應着最先進的生產力和決策能力。
在中國，哪個行業相對是最創新、最引領的？零售消費無疑，而且這個行業的經營迭代與數據創新，不止領先國內其他行業，也引領全球。觀遠希望與這樣的行業一同培育出最頂級的數據決策能力。
初創之坑，找對3F翻過信任高牆
科創人：既然您在當初準確預計到了初創企業走向市場時，會遇到難以跨越的信任鴻溝，那麼觀遠當初採用了哪些方法克服了這一問題？
蘇春園：懂得很多道理，還是過不好這一生，這個問題當初也沒少讓我們頭疼（笑）。觀遠從創建之初就立志服務最頭部、最創新的客戶，畢竟我和我們3位聯合創始人都是做500強企業級產品的背景。但頭部客戶的門檻也確實高，週期特別長，因此我的第一個創業認知就是得面對現實，先去服務好那些願意擁抱創新的中型客戶，再不斷往上突破我們的能力邊界。後來我們發現Salesforce早期也是如此，從中小客戶開始、越做越大，我們就釋然了。
而且這裏面也有深刻的邏輯。對初創企業，尤其是致力於成爲一家追求偉大產品的公司來說，一定要有自己的節奏。如果爲了短期的訂單、不能冷靜應對，巨大的壓力會導致公司的戰略動作變形，你會被裹挾進對方的節奏和需求當中。國內其實有不少早期企業，被少數幾個大客戶綁住了，本質上偏離了做產品的軌道，越到後面，越難實現企業級的標準產品定義，因爲在早期的產品邏輯中已經夾雜了太多大客戶的個性化需求，歷史包袱指數級上升。
所以我們一直很感謝當初陪伴觀遠成長的客戶，雖然大家開玩笑說，早期客戶都主要是“family，friend，fool”，但我們很感恩，而且後來發現選擇觀遠的都是有超前眼光和智慧的企業家。最早的那一批客戶，我們現在還在緊密的合作。這是創業路上，很讓人開心回味的一個片段。
科創人：在覆盤時，往往容易清晰地劃分企業發展的各個階段，但身處其中時，企業家如何判斷當下所處的階段？舉個例子，同樣是選擇穩定發育一段時間，如何判斷這段時間究竟算是穩固根據地、提升自力更生能力，還是掉進了小富即安的陷阱？
蘇春園：非常形象的問題，我們到底是在長征之初，還是到了延安，亦或具備了全面進攻的能力？說實話這是我這麼多年一直在反覆思考的話題。
最終我有一個很樸實的心得：你的企業處於什麼階段，取決於你當下服務的客羣——以您的比喻就是所控制的疆域，是不是真正屬於你。
成立之初，客戶大多是通過口碑介紹。
但一旦過了這一階段——度過這一階段的標誌是產品雛形基本清晰——就要快速找到真正的根據地，打磨出標杆、構建護城河，絕對不能困在舒適區中。
找到根據地就是細分客戶，大部分時候是鎖定一個行業，新企業不着急走向大海，《跨越鴻溝》裏說的，做小池塘裏的大魚，我非常認可這個觀點。
接下來就要打磨標杆，我們做了幾個小一點的品牌之後，快速接觸到了聯合利華、安踏、元氣森林、蜜雪冰城這類頭部品牌，不斷完善對頭部客戶的服務能力。
第三步要構建護城河，進入到了更大的戰場，就會有更強勁的對手出現，絕不能滿足於“我能”，至少要在一定時間段內做到“別人不能”。
這三步完成了，意味着你目前佔有的市場真正屬於你，並且可以規劃下一階段的進攻方向。接下來，就是以客戶規模、客戶數量爲鏡子，儘可能清醒地判斷髮展策略。這方面我們下了很多功夫，學習研究了IBM與華爲的BLM（Business Leadership Model）戰略方法論，結合創業實踐，每季度做一次實踐與迭代，已經進入到第8個版本，也轉化形成了觀遠自己的戰略管理實踐。
另外，除了理性的方法之外，創始人除了要承受短期業務方面的壓力，更要不斷思考長期、尤其是思考行業最本質、最重要的那幾個問題，一定要基於深度的思考，形成自己對行業未來的判斷，這樣才能比你的競爭對手看到更準確、更遙遠的未來。
國內數據服務企業
要幫助客戶解決數據基礎問題
科創人：您在BI行業最初10年主要服務於全球客戶，而觀遠面向國內企業，二者之間有哪些明顯的差異，是否直接影響到了產品形態與服務模式？
蘇春園：差異點非常多，最明顯的差異在數據基礎與數據素養，還不能簡單地概括爲成熟和初級，感覺更像是：服務國外客戶，是跑在一條完整連貫的公路上，你可以保持一個穩定的高速跑到底；服務國內客戶，有一段是非常棒的高速路，下一段可能就是鄉間小路，你要不斷調整駕駛模式，你的產品也必須要有很強的適應能力。
舉個例子，國內很多客戶的數據質量參差不齊，尤其業務也在不斷創新，導致同一個商品，在很多個不同的環節或者渠道上，體現出的數據口徑是不一致的，需要一些人工處理才能對上。
因此我們開發了不少產品和服務，比如SmartETL，用來幫助客戶在分析之前，先對各種數據進行預處理；以及我們提供的移動BI，以無代碼拖拉拽的形式，在幾個小時內，可以支持客戶爲不同的部門和角色，發佈不同的移動分析看板，直接接入企業微信、釘釘或飛書，非常受歡迎。這些接地氣的產品創新，幾年下來成爲了觀遠被行業特別認可的一個高價值點。
還有，大家可能都聽過“人人都是數據分析師”這句話，在國外數據分析能力的普及程度相對好些，在國內的土壤相對比較難實現。國內客戶需要的不止是一個自助分析的工具，而是一站式的產品與行業最佳實踐，來賦能企業內不同的使用角色，他們可能是願意去做數據探索的分析師，也可能是希望借鑑行業分析場景的業務主管，更有可能是廣大的一線業務決策者，直接消費構建好的分析場景。
科創人：《科創人》最近內部討論一個話題，爲何國內To B企業大都以行業解決方案作爲切入點，而不是走工具路線，也許客戶的購買傾向很大程度上決定了To B服務的形態？
蘇春園：沒錯，只有在行業中才能沉澱更多直接作用於客戶場景的價值，進而直接賦能客戶。
科創人：您提到的SmartETL，已經被證明至少是某一行業內很有成效的數據基礎建設型產品，國內大數據行業普遍在數據治理環節存在問題，觀遠是否考慮過將行業數據治理能力作爲單獨的產品線？
蘇春園：以前我研究過國外的ETL領域，發現國外分工確實是很專業，有不少公司就是幹這個事情，與BI公司上下游合作。你說的現象在國內確實存在，很多公司都做很多的東西，感覺無所不包，對應了國外多個上市公司乾的活。觀遠的價值定位非常明確，就是以BI爲核心的一站式分析平臺。在中國，BI的市場滲透率只有個位數，而在全球市場這一數據超過30%，個別先進國家接近50%，這是近10倍的差距，也是10倍的潛力；此外，AI+BI也是我們對BI的未來佈局，本質上這是高級分析，BI用得深入之後天然的高階高價值場景。
所以在BI行業真正走向成熟之前，我們大概率不會貿然進入其他領域。
重點關注數據顆粒度革命
科創人：您過去的採訪中多次提及數據顆粒度革命，能否系統分享下產生這一現象的機制，以及您對其的洞察思考？
蘇春園：這個現象其實源自客戶場景，我們在與客戶碰撞時得到的啓發，對於BI的應用越熟練，客戶越會感覺BI、AI並不是玄學，它的本質是數字化運營，每天應對的並不一定是宏大命題，更普遍的場景是微調、細節優化。
預測一個月之後的進貨量非常難，但將一個月拆成4周，一週拆成7天，數據粒度的精細化反而提升了數據運營的精準度，連續性數據的產生、歷史數據的準確積累，在微小的場景下能夠產生更有價值的可執行策略。在互聯網領域，AB測試可能不是什麼新鮮事，可在其他行業，通過數據的精細化運營來實現產品取捨、優化迭代，還是少數玩傢俱有的能力。
一個飲品品牌，可以基於數據顆粒度細化，在不同區域實施不同的配貨策略；一個便利店企業，可以以單店爲單位制定不同的數據模型，可以細化到某一款貨品的擺放策略；一個銷售負責人可以掌握的數據，從以往的T+1到現在5分鐘刷新一次，更及時發現問題和機遇；客戶的決策會，從月會、週會、大會，變成更頻繁、簡短、具體的信息交流……
數據顆粒度的變革，不止是量變，它對企業運營的影響，是刀耕火種與核武器之間的差距，所有的企業經營管理者都應當重視這一變革，擁抱數據顆粒度變化必然帶來的決策顆粒度變化。
未來規劃：AI+BI
價值主張：讓業務用起來
科創人：在觀遠看來，接下來能夠大幅度提升中國市場BI滲透率的手段有哪些？
蘇春園：有一個巨大的機會，就是讓業務部門能夠直接使用BI。中國的客戶中，BI主要是提供給IT部門做報表用，很多業務價值都需要IT部門參與才能真正落地。如何能夠讓業務直接通過BI構建自己的應用場景？如果這一關能夠解決，BI的滲透率無疑將大幅度提升。
傳統模式，BI工具以買斷制銷售給甲方，甲方IT團隊承接使用的權責，所有的一線需求都要經過IT團隊的加工和傳導，因此呈現出慢反饋、長週期、低頻率的使用狀態。
而在觀遠的客戶場景中，客戶的一線銷售代表要能隨時在移動端上看到產品的銷售數據：日報、週報、其他銷售人員的銷售量、門店的生意狀況等，業務人員可以根據自己的需要方便地配置報告、報表、數據內容，不再需要向IT團隊申請權限，也不需要IT技術就能夠操作。
科創人：從IT團隊使用到業務團隊使用，使用者畫像的遷移，對於產品設計帶來了多少挑戰？
蘇春園：觀遠的產品設計理念，是目標明確的前提下反向設計，過去10年沒有人做過這樣的嘗試，很多事只有自己摸索迭代。SmartETL的誕生也是出自對易用性的考量，如果我們要讓業務人員用起來，必須要有低成本的數據基礎優化能力；還有移動端這一陣地，自然也成了必要的使用場景；另外，業務人員成爲主要使用者之後帶來了併發壓力，從幾十人、幾百人到上千人、上萬人，每天早上固定時間，大量業務人員開始看數據、分析、決策，每個人看到的信息都不一樣，細粒度權限、資源隔離等等，背後需要高性能、高穩定性的企業級數據架構做支撐。
除了這些，最關鍵的一部分，是AI與BI的結合。
科創人：今年年初觀遠宣佈C輪融資時，您提到智能分析產品矩陣的深化是資金主要投入方向之一，能否分享下您對於AI+BI這一未來的見解？
蘇春園：BI的商業化應用近30年時間，過去它一直試圖解決的問題是“分析歷史數據——給出診斷，也就是行動建議”。與AI結合，能夠跨越BI目前的能力半徑，實現面向未來的行動建議，也就是商業預測。目前觀遠已經與聯合利華、寧波銀行等頭部客戶，在AI+BI這一方向上啓動了深度合作。
通過BI分析平臺與數據科學和高級分析能力結合，AI技術的融入能夠讓客戶“用得越深，預測越準”，最終拓展出各個方向上高價值的預測場景。
AI預測的門檻確實很高，通用型AI平臺的建設更是難上加難，幸運地是觀遠在與聯合利華的合作中已經落地了一些AI預測場景，接下來我們要幫助更多的客戶完成落地。
科創人：觀遠在未來的發展規劃？我比較好奇一點，作爲行業頭部企業，是否有餘力解決目前明顯鉗制數據行業發展的人才問題？
蘇春園：先解答您好奇的問題，觀遠目前通過與客戶的合作，以相對高的投入產出比，推動數據人才的培養，比如“觀遠燎原計劃”，當客戶側產品的使用者到達千人、萬人級別時，就需要成熟可靠的培訓體系支撐，我們會配合客戶舉辦各類數據驅動業務發展的比賽，比如最近與我們合作的某頭部股份制銀行，內部報名團隊突破了100個，大大出乎我們的意料。在客戶業務體系下，在員工個人發展的動力驅使下，人才培養能夠更有效、更低成本的推進。
說到觀遠的未來，“讓業務用起來”是我們的一個長期價值主張，我們已經在近500家客戶的場景中不斷印證了這一理念，我希望未來5年有5000家、50000家各行業的組織，也同樣可以享受到“讓業務用起來”的巨大數據價值。
這也是讓我們觀遠的每一位遠行者最興奮的願景，成爲智能決策全球級的引領者，讓1000萬使用者享受數據的價值。
這個行業的未來很大，不缺某一款產品，不缺某一家企業，但真正能夠構築起行業發展地基的底層邏輯、底層認知，需要有人去發掘、普及、凝聚共識。這也是我們面臨的挑戰，希望找到更多的夥伴們一起實踐對未來的看法。正所謂，預測未來的最好方式，就是一起去創造未來。